贾晓帆，何利力

（浙江理工大学 信息学院，浙江杭州 310018）

0 引言

随着互联网的飞速发展，为了满足用户需求，出现了网页、软件、手机应用等互联网产品，还包括建立在各类平台上而开发出的产品，如微信小程序、公众号等。用户在互联网中发表对产品的评价这一举动让用户从单一的信息接受者转变为互联网中文本信息的发布者，文本信息量呈指数级增长，仅仅由人工进行分析提取几乎不大可能，如何有效管理并充分利用这些信息值得思考。

朴素贝叶斯是机器学习的一个常用分类模型，模型本身是建立在贝叶斯定理和特征条件独立假设上的，有着坚实的数学基础，用概率统计知识对样本数据集进行分类。1990 年，Kononenko 等［1］证明了朴素贝叶斯的有效性。朴素贝叶斯的优势在于能够很快地在训练集中建立起贝叶斯模型，但是在有些实际应用中分类效果却不尽如人意。因为在用贝叶斯分类的前提下，必须假设属性独立，即属性之间没有关系，当该假设不成立时，就会影响贝叶斯分类效果。为了解决该问题，学者们放松属性之间相互独立的条件假设，提出了贝叶斯网络分类器［2］，其基本思想是考虑全部或者部分属性之间的关联性，以此满足朴素贝叶斯模型相互独立的条件假设。尽管这种思想能提高分类性能，但是在训练中需要测算所有属性之间的相关性，导致算法复杂度剧增。1996 年，Sahami［3］提出K-依赖贝叶斯分类器，有效提升了分类性能；1997 年，Friedman 等［4］提出了一种树扩展的朴素贝叶斯分类器，简称TAN 模型，它在测算属性之间相关性的基础上，构建树形结构图；……